Điều gì sẽ xảy ra với phần mềm khi người dùng chính không còn là con người, mà là một tác nhân AI (AI agent)? Trong nhiều thập kỷ, “độ gắn kết” (stickiness) của các gã khổng lồ doanh nghiệp như Salesforce và SAP dựa trên giao diện người dùng, trí nhớ cơ bắp và những cách thức phức tạp mà con người tương tác với màn hình. Nhưng khi chúng ta tiến tới một thế giới “không giao diện” (headless) — nơi các tác nhân AI đọc dữ liệu, cập nhật hồ sơ và hoàn tất quy trình làm việc thông qua API — giá trị sẽ chuyển dịch hoàn toàn từ giao diện hình ảnh sang logic kinh doanh cốt lõi và tính toàn vẹn của dữ liệu.

Cuộc thảo luận làm rõ rằng dù “headless” nghe có vẻ như một cách gọi tên mới cho các API hiện có, nhưng nó đại diện cho một sự thay đổi căn bản trong cách vận hành của doanh nghiệp. Sự gắn kết thực sự của doanh nghiệp không chỉ nằm ở một UI đẹp mắt; mà nằm ở việc mã hóa các quy tắc kinh doanh phức tạp và các yêu cầu pháp lý. Ví dụ, việc thay thế một hệ thống như SAP không đơn giản là chuyển dữ liệu sang một cơ sở dữ liệu mới, bởi SAP chứa đựng nhiều năm logic tùy chỉnh định nghĩa cách một công ty toàn cầu thực sự vận hành. Việc cố gắng “vibe code” (lập trình theo cảm tính/phác thảo sơ sài) một bản thay thế mà không hiểu rõ những phụ thuộc vận hành sâu xa này là một sai lầm phổ biến của các startup.

Nhìn về tương lai, cơ hội thực sự cho các phần mềm mới không phải là đối đầu trực tiếp để thay thế những kẻ đương nhiệm, mà là quản lý “phần đuôi dài” (long tail) của các trường hợp ngoại lệ. Hầu hết phần mềm doanh nghiệp xử lý tốt 80% các trường hợp tiêu chuẩn, nhưng hoạt động kinh doanh thực tế lại vận hành dựa trên 20% các trường hợp ngoại lệ — những tình huống đặc biệt và các cách xử lý thủ công. Các tác nhân AI có tiềm năng tổng hợp dữ liệu phi cấu trúc và tự động hóa các ngoại lệ này, tạo ra các “hệ thống ghi chép” (systems of record) mới bằng cách quan sát cách con người thực sự giải quyết vấn đề trong thực tế, thay vì cách họ được yêu cầu nhập dữ liệu vào CRM.

Những hiểu biết bất ngờ

• “SaaSpocalypse” (Ngày tận thế SaaS) bị thổi phồng: Ý tưởng cho rằng AI sẽ đơn giản là thay thế toàn bộ SaaS là khó xảy ra, bởi vì những cải thiện về năng suất thường tạo ra những nhu cầu mới phức tạp hơn thay vì loại bỏ nhu cầu về phần mềm.


• Nghịch lý “Xuất ra Excel”: Hai tính năng được sử dụng nhiều nhất trong phần mềm doanh nghiệp thường là những tính năng cho phép người dùng rời khỏi phần mềm (xuất file CSV và PDF), chứng tỏ rằng UI gốc thường thất bại trong việc cung cấp các phân tích cụ thể mà người dùng thực sự cần.


• Quán tính như một tính năng sản phẩm: Độ gắn kết của phần mềm thường đến từ những chi tiết “kỳ quái” — như cách Outlook xử lý các ngoại lệ của cuộc họp định kỳ — những thứ không được các PM (Quản lý sản phẩm) lên kế hoạch nhưng lại khiến công ty không thể chuyển đổi sang hệ thống khác.


• Chiến lược “Trung gian”: Cơ hội lớn nhất cho startup không phải là cạnh tranh trực tiếp với một gã khổng lồ, mà là đứng giữa hai đơn vị lớn hoặc hai chức năng nội bộ khác nhau trong doanh nghiệp vốn không giao tiếp hiệu quả với nhau.

Bài học thực tiễn

• Tập trung vào “Phần đuôi dài”: Nếu bạn đang xây dựng AI cho doanh nghiệp, đừng cố gắng tự động hóa 80% những việc tầm thường. Thay vào đó, hãy xây dựng các công cụ xử lý các ngoại lệ phức tạp và các trường hợp đặc biệt nơi con người hiện đang tiêu tốn nhiều thời gian nhất.


• Tránh “Vibe Coding” logic doanh nghiệp: Khi muốn phá vỡ một phân khúc truyền thống, hãy nhớ rằng giá trị nằm ở logic kinh doanh và quy tắc tuân thủ, chứ không phải ở việc lưu trữ dữ liệu. Hãy lập bản đồ các “Quy trình vận hành tiêu chuẩn” (SOP) không được ghi chép lại trước khi cố gắng thay thế công cụ đó.


• Tận dụng dữ liệu phi cấu trúc: Sử dụng LLM để khai thác “nguồn lực chưa được chạm tới” của công ty — các tài liệu Word, slide thuyết trình và email — để tạo ra một lớp hiển thị và trí tuệ mà những kẻ đương nhiệm quá chậm chạp để triển khai.


• Xây cầu nối, không chỉ xây công cụ: Tìm kiếm cơ hội tạo ra phần mềm hỗ trợ việc bàn giao giữa hai chức năng tổ chức khác nhau (ví dụ: Tài chính và IT), vì những điểm tích hợp này thường bị bỏ ngỏ và có giá trị rất cao.